检查向量的准确性

Question

我用 Python 学习 AI 并遇到这种情况：我创建了一个深度学习模型，在他的输入层中有 10 个神经元。在输出层我有 3 个神经元。我将数据分成 80% 用于学习，20% 用于测试。

经过训练的模型已准备好进行测试。

直到现在，我总是遇到输出层中只有一个神经元的情况。所以，我以这种方式测试了准确性：

classifier = Sequential()
# ...
classifier.add(Dense(units = 3, kernel_initializer = 'uniform', activation = 'sigmoid'))
# ...
y_pred = classifier.predict(np.array(X_test))
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_test, y_pred)

当输出层在每个预测中只有一个值时效果很好。

就我而言，我在每个预测中有 3 个值。

y_pred = array ([[3.142904686503911194e-11, 1.000000000000000000e+00, 1.729809626091548085e-16],
[7.398544450698540942e-12, 1.000000000000000000e+00, 1.776427415878292515e-22],
[4.224535246066807304e-07, 1.000000000000000000e+00 7.929732391553923065e-12]])

我想将它与我的预期值进行比较，其中：

y_test = [[0, 1, 0], [0, 1, 0], [0, 1, 0]]

所以，我可以选择手动完成这项工作：

1. 在预测值的最大值处置入 1。其他值变为 0。
2. 逐行比较两个向量。

看来一定有更好的办法？

Answer 1

您想衡量预测向量与预期向量的“接近”程度。描述两个向量之间“差异量”的一个很好的公式是检查增量向量的大小（或平方大小）（预测 - 预期）。

在这种情况下，您可以这样做：

def square_magnitude(vector):
    return sum(x*x for x in vector)

def inaccuracy(pred, test):  #should only get equal-length items
    return square_magnitude([pred[i] - test[i] for i in range(len(pred))]) / len(pred)

由于您有三个样本：

total_inaccuracy = sum(inaccuracy(y_pred[i], y_test[i]) for i in range(len(y_pred))) / len(y_pred)

当它完全准确时它应该是 0，当它不太准确时它应该是更高（正）。